KR20230081466A - System and Method of predicting microstructure characteristics of casting parts - Google Patents
System and Method of predicting microstructure characteristics of casting parts Download PDFInfo
- Publication number
- KR20230081466A KR20230081466A KR1020210169531A KR20210169531A KR20230081466A KR 20230081466 A KR20230081466 A KR 20230081466A KR 1020210169531 A KR1020210169531 A KR 1020210169531A KR 20210169531 A KR20210169531 A KR 20210169531A KR 20230081466 A KR20230081466 A KR 20230081466A
- Authority
- KR
- South Korea
- Prior art keywords
- casting
- microstructure characteristic
- unit cell
- microstructure
- module
- Prior art date
Links
- 238000005266 casting Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005070 sampling Methods 0.000 claims abstract description 58
- 238000009795 derivation Methods 0.000 claims abstract description 41
- 238000000605 extraction Methods 0.000 claims abstract description 26
- 238000004088 simulation Methods 0.000 claims abstract description 23
- 230000032823 cell division Effects 0.000 claims abstract description 19
- 210000004027 cell Anatomy 0.000 claims description 133
- 239000000203 mixture Substances 0.000 claims description 58
- 230000006870 function Effects 0.000 claims description 45
- 239000002994 raw material Substances 0.000 claims description 41
- 238000001816 cooling Methods 0.000 claims description 27
- 210000001787 dendrite Anatomy 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 239000002184 metal Substances 0.000 description 19
- 235000015895 biscuits Nutrition 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 210000003739 neck Anatomy 0.000 description 4
- 239000000126 substance Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Abstract
본 발명은 주조방안의 적절성을 해석하는 주조해석의 미세조직 특성값 예측 시간을 단축시킬 수 있는 주조품 미세조직 특성값 예측 시스템 및 방법에 관한 것이다. 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 시스템은, 주조품의 3차원 형상 데이터와 상기 주조품을 주조하기 위한 주조 정보를 입력받는 입력 모듈; 상기 주조품의 3차원 형상 데이터를 단위격자로 분할하는 단위격자 분할 모듈; 상기 주조 정보를 기초로 주조공정 시뮬레이션을 실행하여 상기 단위격자의 미세조직 특성값을 해석하기 위한 파라미터를 도출하는 파라미터 도출 모듈; 상기 단위격자들 중 일부를 샘플링하는 샘플링 모듈; 상기 샘플링된 단위격자의 파라미터와 상기 미세조직 특성값을 해석하는 해석기를 이용하여 상기 샘플링된 단위격자의 미세조직 특성값을 해석하는 샘플링 해석 모듈; 상기 샘플링 해석 모듈에서 해석된 상기 미세조직 특성값들을 메타 모델링하여 상기 단위격자의 미세조직 특성값을 예측하는 메타함수를 추출하는 메타함수 추출 모듈; 및 상기 추출된 메타함수와 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측하는 미세조직 특성값 예측 모듈;을 포함할 수 있다. The present invention relates to a system and method for predicting microstructure characteristic values of a casting product capable of reducing the time for predicting microstructural characteristic values of a casting analysis for analyzing the suitability of a casting method. A microstructural characteristic value prediction system of a cast product according to an embodiment of the present invention includes an input module for receiving three-dimensional shape data of a cast product and casting information for casting the cast product; a unit cell division module for dividing the three-dimensional shape data of the cast product into unit cells; a parameter derivation module for deriving parameters for analyzing the microstructure characteristic values of the unit cell by executing a casting process simulation based on the casting information; a sampling module for sampling some of the unit cells; a sampling analysis module that analyzes the sampled unit cell parameters and microstructure property values using an analyzer that analyzes the microstructure property values; a meta function extraction module for extracting a meta function predicting the microstructure characteristic values of the unit cell by meta-modeling the microstructure characteristic values analyzed by the sampling analysis module; and a microstructure property value prediction module that predicts microstructure property values of all the unit cells using the extracted metafunction and the parameters of the unit cell.
Description
본 발명은 주조품 미세조직 특성값 예측 시스템 및 방법에 관한 것으로서, 상세하게는 주조방안의 적절성을 해석하는 주조해석의 미세조직 특성값 예측 시간을 단축시킬 수 있는 주조품 미세조직 특성값 예측 시스템 및 방법에 관한 것이다.The present invention relates to a system and method for predicting microstructure characteristic values of cast products, and more particularly, to a system and method for predicting microstructural characteristic values of cast products that can shorten the time for predicting microstructural characteristic values of casting analysis for analyzing the suitability of a casting method. it's about
주조(casting)란, 변형저항이 큰 고체상태의 금속을 용해해서 변형저항이 적은 액체상태로 만들고, 제조하고자 하는 모양의 주형에 주입하여 응고시킴으로써, 목적하는 주조품을 제조하는 과정을 말한다.Casting refers to a process of manufacturing a desired cast product by dissolving a metal with high deformation resistance into a liquid state with low deformation resistance and injecting it into a mold of a desired shape to solidify it.
일반적으로 주조품의 품질은 주조방안의 설계를 어떻게 하는지에 따라 크게 좌우된다. 구체적으로, 주조과정에서는 주조품의 품질을 저하시키는 요소 즉, 기체의 혼입, 응고시의 수축(shrinkage) 등을 최소화하기 위한 설계가 필요하며, 이러한 설계는 용탕이 주형에 어떻게 유입되고, 응고할 것인가에 대한 숙고에 따른 주조방안의 모델링 기법과 연관된다.In general, the quality of castings is greatly influenced by how the casting method is designed. Specifically, in the casting process, it is necessary to design to minimize the factors that degrade the quality of the cast product, such as the mixing of gas and shrinkage during solidification. This design determines how molten metal flows into the mold and solidifies. It is related to the modeling technique of the casting plan according to the consideration of
한편, 실제 주조공정을 수행하기 전에 설계된 주조방안이 적절한 것인지 미리 예측하여 해석할 필요가 있으며, 이를 위해 상기 주조방안을 기초로 미리 시뮬레이션을 실행하여 상기 주조방안의 적절성을 해석하는 주조해석을 진행한다.On the other hand, it is necessary to predict and analyze whether the designed casting plan is appropriate before performing the actual casting process. .
일반적으로, 주조해석은 조성, 냉각속도, 온도구배 등을 해석하는 매크로(macro) 주조해석과 SDAS(Secondary Dendrite Arm Space), grain size 등과 같은 미세조직 특성값을 해석하는 마이크로(micro) 주조해석으로 나누어질 수 있는데, 상기 마이크로 주조해석 시간은 상기 매크로 주조해석 시간과 비교하여 매우 오래 걸린다.In general, casting analysis is divided into macro casting analysis that analyzes composition, cooling rate, temperature gradient, etc., and micro casting analysis that analyzes microstructure characteristic values such as SDAS (Secondary Dendrite Arm Space) and grain size. It can be divided, but the micro casting analysis time takes a very long time compared to the macro casting analysis time.
특히, SDAS 해석을 위해서는 물리/화학적 상변태와 열전달 해석을 통합하는 SDAS 해석기(SDAS 해석 알고리즘)를 이용하는데, 상기 SDAS 해석기는 1개 지점당 해석 시간이 과대하여 주조 현장에서 사용하기 위한 적정 해석시간(대략 2시간 ~ 최대 1일)을 준수하지 못하는 문제가 있었다.In particular, for SDAS analysis, an SDAS analyzer (SDAS analysis algorithm) that integrates physical/chemical phase transformation and heat transfer analysis is used. Approximately 2 hours to up to 1 day) there was a problem of not complying.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, 주조방안의 적절성을 해석하는 주조해석의 미세조직 특성값 예측 시간을 단축시킬 수 있는 주조품의 미세조직 특성값 예측 시스템 및 방법을 제공한다.The present invention is intended to solve the above problems, and provides a system and method for predicting microstructure characteristic values of a cast product that can shorten the time for predicting microstructure characteristic values of casting analysis for analyzing the appropriateness of casting methods.
본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 시스템은, 주조품의 3차원 형상 데이터와 상기 주조품을 주조하기 위한 주조 정보를 입력받는 입력 모듈; 상기 주조품의 3차원 형상 데이터를 단위격자로 분할하는 단위격자 분할 모듈; 상기 주조 정보를 기초로 주조공정 시뮬레이션을 실행하여 상기 단위격자의 미세조직 특성값을 해석하기 위한 파라미터를 도출하는 파라미터 도출 모듈; 상기 단위격자들 중 일부를 샘플링하는 샘플링 모듈; 상기 샘플링된 단위격자의 파라미터와 상기 미세조직 특성값을 해석하는 해석기를 이용하여 상기 샘플링된 단위격자의 미세조직 특성값을 해석하는 샘플링 해석 모듈; 상기 샘플링 해석 모듈에서 해석된 상기 미세조직 특성값들을 메타 모델링하여 상기 단위격자의 미세조직 특성값을 예측하는 메타함수를 추출하는 메타함수 추출 모듈; 및 상기 추출된 메타함수와 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측하는 미세조직 특성값 예측 모듈;을 포함할 수 있다. A microstructural characteristic value prediction system of a cast product according to an embodiment of the present invention includes an input module for receiving three-dimensional shape data of a cast product and casting information for casting the cast product; a unit cell division module for dividing the three-dimensional shape data of the cast product into unit cells; a parameter derivation module for deriving parameters for analyzing the microstructure characteristic values of the unit cell by executing a casting process simulation based on the casting information; a sampling module for sampling some of the unit cells; a sampling analysis module that analyzes the sampled unit cell parameters and microstructure property values using an analyzer that analyzes the microstructure property values; a meta function extraction module for extracting a meta function predicting the microstructure characteristic values of the unit cell by meta-modeling the microstructure characteristic values analyzed by the sampling analysis module; and a microstructure property value prediction module that predicts microstructure property values of all the unit cells using the extracted metafunction and the parameters of the unit cell.
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 시스템은, 상기 주조 정보는 상기 주조품을 주조하기 위한 원재료의 조성 정보를 포함하고, 상기 예측 시스템은 상기 메타함수 추출 모듈에서 추출된 메타함수가 상기 원재료의 조성별로 매칭되어 저장되는 데이터베이스를 더 포함할 수 있다. In addition, in the microstructure characteristic value prediction system of a cast product according to an embodiment of the present invention, the casting information includes composition information of a raw material for casting the cast product, and the prediction system is extracted from the metafunction extraction module. A database in which metafunctions are matched and stored for each composition of the raw material may be further included.
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 시스템은, 상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고, 상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함하고, 상기 해석기는 SDAS 해석기를 이용할 수 있다.In addition, in the microstructure characteristic value prediction system of a cast product according to an embodiment of the present invention, the microstructure characteristic value is SDAS (Secondary Dendrite Arm Space), and the parameters are the composition of the unit cell, the temperature gradient, and the cooling rate Including, the analyzer may use the SDAS interpreter.
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 시스템은, 상기 파라미터 도출 모듈은 매크로한 주조해석 시뮬레이션을 실행하는 것에 의해 상기 미세조직 특성값을 해석하기 위한 파라미터를 도출할 수 있다.In addition, in the system for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention, the parameter derivation module may derive parameters for analyzing the microstructure characteristic values by executing a macro casting analysis simulation. .
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 시스템은, 상기 샘플링 모듈은 상기 파라미터 도출 모듈에서 도출된 파라미터 중 적어도 어느 하나의 파라미터 값을 기준으로 상기 단위격자들 중 일부를 샘플링할 수 있다.In addition, in the microstructure characteristic value prediction system of a cast product according to an embodiment of the present invention, the sampling module samples some of the unit cells based on at least one parameter value among parameters derived from the parameter derivation module. can do.
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 시스템은, 상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고, 상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함하고, 상기 샘플링 모듈은 상기 온도구배와 상기 냉각속도의 값을 기준으로 상기 단위격자들 중 일부를 샘플링할 수 있다. In addition, in the microstructure characteristic value prediction system of a cast product according to an embodiment of the present invention, the microstructure characteristic value is SDAS (Secondary Dendrite Arm Space), and the parameters are the composition of the unit cell, the temperature gradient, and the cooling rate The sampling module may sample some of the unit cells based on the values of the temperature gradient and the cooling rate.
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 시스템은, 상기 메타함수 추출 모듈은 상기 샘플링 해석 모듈에서 해석된 미세조직 특성값들을 메타모델링하여 상기 메타함수의 계수와 매트릭스를 추출할 수 있다. In addition, in the system for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention, the metafunction extraction module metamodels the microstructure characteristic values analyzed in the sampling analysis module to extract coefficients and matrices of the metafunction. can do.
한편, 다른 측면에서의 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 시스템은, 주조품의 미세조직 특성값을 예측하는 메타함수가 상기 주조품을 주조하기 위한 원재료의 조성별로 매칭되어 저장되는 데이터베이스; 주조품의 3차원 형상 데이터와 상기 원재료 조성 정보를 포함하는 주조 정보를 입력받는 입력 모듈; 상기 주조품의 3차원 형상 데이터를 단위 격자로 분할하는 단위격자 분할 모듈; 상기 주조 정보를 기초로 주조공정 시뮬레이션을 실행하여 상기 단위격자의 미세조직 특성값을 해석하기 위한 파라미터를 도출하는 파라미터 도출 모듈; 상기 데이터베이스에 저장된 메타함수 중 상기 입력 모듈에서 입력된 원재료 조성에 해당하는 메타함수를 불러오는 메타함수 호출 모듈; 및 상기 호출된 메타함수와 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측하는 미세조직 특성값 예측 모듈;을 포함할 수 있다. On the other hand, in the microstructure characteristic value prediction system of a cast product according to an embodiment of the present invention from another aspect, a metafunction for predicting a microstructure characteristic value of a cast product is matched and stored for each composition of a raw material for casting the cast product database; An input module for receiving casting information including three-dimensional shape data of a casting product and raw material composition information; a unit cell dividing module for dividing the three-dimensional shape data of the cast product into unit cells; a parameter derivation module for deriving parameters for analyzing the microstructure characteristic values of the unit cell by executing a casting process simulation based on the casting information; a metafunction calling module for calling a metafunction corresponding to the raw material composition input from the input module among metafunctions stored in the database; and a microstructure characteristic value prediction module that predicts microstructure characteristic values of all the unit cells using the called metafunction and the parameter of the unit cell.
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 시스템은, 상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고, 상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함할 수 있다. In addition, in the microstructure characteristic value prediction system of a cast product according to an embodiment of the present invention, the microstructure characteristic value is SDAS (Secondary Dendrite Arm Space), and the parameters are the composition of the unit cell, the temperature gradient, and the cooling rate can include
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 시스템은, 상기 파라미터 도출 모듈은 매크로한 주조해석 시뮬레이션을 실행하는 것에 의해 상기 미세조직 특성값을 해석하기 위한 파라미터를 도출할 수 있다. In addition, in the system for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention, the parameter derivation module may derive parameters for analyzing the microstructure characteristic values by executing a macro casting analysis simulation. .
한편, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 방법은, 주조품의 3차원 형상 데이터와 상기 주조품을 주조하기 위한 주조 정보를 입력받는 입력 단계; 상기 주조품의 3차원 형상 데이터를 단위격자로 분할하는 단위격자 분할 단계; 상기 주조 정보를 기초로 주조공정 시뮬레이션을 실행하여 상기 단위격자의 미세조직 특성값을 예측하기 위한 파라미터를 도출하는 파라미터 도출 단계; 상기 단위격자 중 일부를 샘플링하는 샘플링 단계; 상기 샘플링된 단위격자의 파라미터와 상기 미세조직 특성값을 해석하는 해석기를 이용하여 상기 샘플링된 단위격자의 미세조직 특성값을 해석하는 샘플링 해석 단계; 상기 해석된 미세조직 특성값들을 메타모델링하여 상기 단위격자의 미세조직 특성값을 예측하는 메타함수를 추출하는 메타함수 추출 단계; 및 상기 추출된 메타함수와 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측하는 미세조직 특성값 예측 단계;를 포함할 수 있다. On the other hand, a method for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention includes an input step of receiving three-dimensional shape data of a cast product and casting information for casting the cast product; a unit cell division step of dividing the three-dimensional shape data of the cast product into unit cells; a parameter derivation step of deriving a parameter for predicting a microstructure characteristic value of the unit cell by executing a casting process simulation based on the casting information; a sampling step of sampling a part of the unit cell; a sampling analysis step of analyzing a parameter of the sampled unit cell and a microstructure characteristic value of the sampled unit cell using an analyzer that analyzes the microstructure characteristic value; a metafunction extraction step of extracting a metafunction for predicting microstructural property values of the unit cell by metamodeling the analyzed microstructure property values; and a microstructure characteristic value prediction step of predicting microstructure characteristic values of all the unit cells using the extracted metafunction and the parameters of the unit cell.
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 방법은, 상기 주조 정보는 상기 주조품을 주조하기 위한 원재료의 조성 정보를 포함하고, 상기 예측 방법은 상기 메타함수 추출 단계에서 추출된 메타함수를 상기 원재료의 조성별로 매칭하여 저장하는 저장 단계를 더 포함할 수 있다. In addition, in the method for predicting microstructural characteristic values of a cast product according to an embodiment of the present invention, the casting information includes composition information of a raw material for casting the cast product, and the prediction method is extracted in the meta function extraction step. A storage step of matching and storing metafunctions for each composition of the raw material may be further included.
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 방법은,상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고, 상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함하고, 상기 해석기는 SDAS 해석기를 이용할 수 있다. In addition, in the method for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention, the microstructure characteristic values are SDAS (Secondary Dendrite Arm Space), and the parameters are the composition of the unit cell, the temperature gradient, and the cooling rate Including, the analyzer may use the SDAS interpreter.
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 방법은,상기 파라미터 도출 단계는 매크로한 주조해석 시뮬레이션을 실행하는 것에 의해 상기 미세조직 특성값을 해석하기 위한 파라미터를 도출할 수 있다. In addition, in the method for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention, in the parameter derivation step, parameters for analyzing the microstructure characteristic values may be derived by executing a macro casting analysis simulation. .
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 방법은,상기 샘플링 단계는 상기 파라미터 도출 단계에서 도출된 파라미터 중 적어도 어느 하나의 파라미터 값을 기준으로 상기 단위격자들 중 일부를 샘플링할 수 있다. In addition, in the method for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention, the sampling step samples some of the unit cells based on at least one parameter value among parameters derived in the parameter derivation step. can do.
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 방법은, 상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고, 상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함하고, 상기 샘플링 단계는 상기 온도구배와 상기 냉각속도의 값을 기준으로 상기 단위격자들 중 일부를 샘플링할 수 있다. In addition, in the method for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention, the microstructure characteristic values are SDAS (Secondary Dendrite Arm Space), and the parameters are the composition of the unit cell, the temperature gradient, and the cooling rate In the step of sampling, some of the unit cells may be sampled based on the values of the temperature gradient and the cooling rate.
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 방법은,상기 메타함수 추출 단계는 상기 샘플링 해석 단계에서 해석된 미세조직 특성값들을 메타모델링하여 상기 메타함수의 계수와 매트릭스를 추출할 수 있다. In addition, in the method for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention, in the metafunction extraction step, the coefficients and matrices of the metafunction are extracted by metamodeling the microstructure characteristic values analyzed in the sampling analysis step. can do.
한편, 다른 측면에서의 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 방법은, 주조품의 미세조직 특성값을 예측하기 위한 메타함수가 상기 주조품을 주조하기 위한 원재료의 조성별로 매칭되어 저장된 데이터베이스를 이용한 주조품의 미세조직 특성값 예측 방법에 있어서, 상기 주조품의 3차원 형상 데이터와 상기 원재료 조성 정보를 포함하는 주조 정보를 입력받는 입력 단계; 상기 주조품의 3차원 형상 데이터를 단위 격자로 분할하는 단위격자 분할 단계; 상기 주조 정보를 기초로 주조공정 시뮬레이션을 실행하여 상기 단위격자의 미세조직 특성값을 해석하기 위한 파라미터를 도출하는 파라미터 도출 단계; 상기 데이터베이스에 저장된 메타함수 중 상기 입력 단계에서 입력된 원재료 조성 정보에 해당하는 메타함수를 불러오는 메타함수 호출 단계; 및 상기 호출된 메타함수와 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측하는 미세조직 특성값 예측 단계;를 포함할 수 있다. On the other hand, in the method for predicting the microstructure characteristic value of a cast product according to an embodiment of the present invention from another aspect, the meta function for predicting the microstructure characteristic value of the cast product is matched and stored for each composition of the raw material for casting the cast product. A method for predicting microstructural characteristic values of a cast product using a database, comprising: an input step of receiving casting information including three-dimensional shape data and raw material composition information of the cast product; a unit cell division step of dividing the three-dimensional shape data of the cast product into unit cells; a parameter derivation step of deriving parameters for analyzing the microstructure characteristic values of the unit cell by executing a casting process simulation based on the casting information; a meta function calling step of calling a meta function corresponding to the raw material composition information input in the input step among the meta functions stored in the database; and a microstructure characteristic value prediction step of predicting microstructure characteristic values of all the unit cells using the called metafunction and the parameter of the unit cell.
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 방법은,상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고, 상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함할 수 있다. In addition, in the method for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention, the microstructure characteristic values are SDAS (Secondary Dendrite Arm Space), and the parameters are the composition of the unit cell, the temperature gradient, and the cooling rate can include
또한, 본 발명의 일 실시 예에 따른 주조품의 미세조직 특성값 예측 방법은,상기 파라미터 도출 단계는 매크로한 주조해석 시뮬레이션을 실행하는 것에 의해 상기 미세조직 특성값을 해석하기 위한 파라미터를 도출할 수 있다. In addition, in the method for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention, in the parameter derivation step, parameters for analyzing the microstructure characteristic values may be derived by executing a macro casting analysis simulation. .
상기와 같은 구성을 가지는 본 발명의 일실시 예에 따른 주조품의 미세조직 특성값 예측 시스템 미 방법에 의하면, 미세조직 특성값 해석기에 메타모델링 기법을 적용함으로써, 주조방안의 적절성을 판단하는 주조해석의 미세조직 특성값 예측 시간을 단축시킬 수 있다. According to the method for predicting the microstructure characteristic value of a casting product according to an embodiment of the present invention having the above configuration, by applying the metamodeling technique to the microstructure characteristic value analyzer, the casting analysis for determining the appropriateness of the casting method The microstructure characteristic value prediction time can be shortened.
본 발명에 따른 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위와 상세한 설명의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진자에게 명확하게 이해될 수 있을 것이다.The effects according to the present invention are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the description of the claims and detailed description. You will be able to.
도 1은 본 발명의 일실시 예에 따른 주조품 미세조직 특성값 예측 시스템을 개략적으로 나타낸 블록도이고,
도 2는 본 발명의 다른 실시 예에 따른 주조품 미세조직 특성값 예측 시스템을 개략적으로 나타낸 블록도이고,
도 3은 본 발명의 일실시 예에 따른 주조품 미세조직 특성값 예측 방법을 설명하기 위한 흐름도이고,
도 4는 본 발명의 다른 실시 예에 따른 주조품 미세조직 특성값 예측 방법을 설명하기 위한 흐름도이다.1 is a block diagram schematically showing a cast product microstructure characteristic value prediction system according to an embodiment of the present invention;
2 is a block diagram schematically showing a cast product microstructure characteristic value prediction system according to another embodiment of the present invention;
3 is a flowchart for explaining a method for predicting a microstructure characteristic value of a cast product according to an embodiment of the present invention;
4 is a flowchart illustrating a method for predicting a microstructure characteristic value of a cast product according to another embodiment of the present invention.
이하에서는 첨부된 도면들을 참조하여 본 발명의 일실시예에 따른 주조품의 미세조직 특성값 예측 시스템 및 방법을 설명한다. Hereinafter, a system and method for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention will be described with reference to the accompanying drawings.
첨부 도면을 참조하여 설명함에 있어, 동일한 구성요소는 동일한 도면 부호를 부여하고, 이에 대한 중복설명은 생략한다.In the description with reference to the accompanying drawings, the same elements are given the same reference numerals, and redundant description thereof will be omitted.
한편, 각 실시예는 독립적으로 실시되거나 함께 실시될 수 있으며, 발명의 목적에 부합하게 일부 구성요소는 제외될 수 있다.Meanwhile, each embodiment may be implemented independently or together, and some components may be excluded in accordance with the purpose of the invention.
또한, 본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.In addition, terms used in this specification are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this application, the terms "include" or "have" are intended to designate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, but one or more other features It should be understood that the presence or addition of numbers, steps, operations, components, parts, or combinations thereof is not precluded.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which the present invention belongs. Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and unless explicitly defined in this application, it should not be interpreted in an ideal or excessively formal meaning. don't
도 1은 본 발명의 일실시 예에 따른 주조품의 미세조직 특성값 예측 시스템을 개략적으로 나타낸 블록도이다.1 is a block diagram schematically illustrating a system for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일실시 예에 따른 주조품의 미세조직 특성값 예측 시스템(10)은 입력 모듈(20), 단위격자 분할 모듈(30), 파라미터 도출 모듈(40), 샘플링 모듈(50), 샘플링 해석 모듈(60), 메타함수 추출 모듈(70) 및 미세조직 특성값 예측 모듈(80)을 포함할 수 있다.Referring to FIG. 1, the microstructure characteristic
상기 예측 시스템(10)은 입력 모듈(20)을 통하여, 주조품의 3차원 형상 데이터와 주조 정보를 입력받을 수 있다.The
상기 주조품의 3차원 형상 데이터는 3차원 CAD 데이터일 수 있으며, 상기 주조 정보는 상기 주조품을 주조하기 위한 정보를 포함할 수 있다.The 3D shape data of the cast product may be 3D CAD data, and the casting information may include information for casting the cast product.
예를 들어, 상기 주조 정보는 상기 주조품을 주조하기 위한 원재료의 조성 정보를 포함할 수 있다.For example, the casting information may include composition information of a raw material for casting the casting product.
또한, 상기 주조 정보는 상기 원재료의 재질정보 예를 들어, 상기 원재료의 주성분과, 밀도, 비열, 열전도도 등과 같은 상기 원재료의 고유한 열물성치 정보를 포함할 수 있다.In addition, the casting information may include material information of the raw material, for example, main component of the raw material, and unique thermal property information of the raw material, such as density, specific heat, and thermal conductivity.
또한, 상기 주조 정보는 상기 주조품을 주조하기 위한 용탕의 조성 정보, 용탕 온도, 주형 온도, 용탕과 주형 사이의 열전달계수, 용탕과 공기 사이의 열전달계수, 주변환경온도, 용탕주입속도 등의 정보를 포함할 수 있다.In addition, the casting information includes information such as composition information of molten metal for casting the cast product, molten metal temperature, mold temperature, heat transfer coefficient between molten metal and mold, heat transfer coefficient between molten metal and air, ambient temperature, and molten metal injection speed. can include
또한, 상기 주조 정보는 상기 주조품을 주조하기 위한 주조방안 정보를 포함할 수 있다.In addition, the casting information may include casting method information for casting the casting product.
일반적으로, 주조(casting)라 함은 변형저항이 큰 고체상태의 금속을 용해해서 변형저항이 적은 액체상태의 용탕으로 만들고 제조하고자 하는 모양의 주형에 용탕을 주입하여 응고시켜서 목적하는 바의 모양을 한번에 만들어내는 것을 말하는데, 상기 주조방안 정보는 용탕을 제조하고자 하는 모양의 주형에 어떻게 유입시키고 응고시킬 것인가에 관한 정보일 수 있다.In general, casting refers to melting a solid-state metal with high deformation resistance into a liquid-state molten metal with low deformation resistance, injecting the molten metal into a mold of the shape to be manufactured, and solidifying the desired shape. It refers to making it at once, and the casting method information may be information on how to pour molten metal into a mold of a shape to be manufactured and solidify it.
예를 들어, 상기 주조방안 정보는 인게이트(ingate), 런너(runner), 비스킷 넥(biscuit neck), 비스킷(biscuit)에 관한 정보를 포함할 수 있다.For example, the casting method information may include information about an ingate, a runner, a biscuit neck, and a biscuit.
상기 비스킷은 주조장비의 슬리브에 결합되어 주조장비와 용탕의 배출구를 연결하는 구성이고, 상기 인게이트는 주조하고자 하는 제품의 형상을 가지는 주형에 용탕이 유입되는 유입구이고, 상기 런너와 상기 비스킷 넥은 용탕이 상기 비스킷으로부터 상기 인게이트로 이동하는 유로(path)를 이루는 구성으로서, 상기 비스킷, 상기 인게이트, 상기 런너 및 상기 비스킷 넥 각각에 관한 정보는 각각의 개수, 위치, 형상, 폭, 두께 등에 관한 정보를 포함할 수 있다.The biscuit is coupled to the sleeve of the casting equipment to connect the casting equipment and the outlet of the molten metal, the ingate is an inlet through which the molten metal flows into a mold having the shape of a product to be cast, and the runner and the biscuit neck are molten metal As a configuration constituting a path moving from the biscuit to the ingate, information about each of the biscuit, the ingate, the runner, and the biscuit neck is information about the number, position, shape, width, thickness, etc. can include
상기 단위격자 분할 모듈(30)은 상기 주조품의 3차원 형상 데이터를 단위격자로 분할할 수 있다.The unit
상기 단위격자는 상기 주조 정보에 따라 주조된 주조품의 미세조직 특성값을 예측하기 위한 1개 지점일 수 있으며, 상기 단위격자 분할 모듈(30)은 상기 주조품의 3차원 형상 데이터를 대략 수백만 ~ 수천만개의 단위격자로 분할할 수 있다. The unit cell may be one point for predicting a microstructure characteristic value of a cast product cast according to the casting information, and the unit
또한, 상기 단위격자 분할 모듈(30)은 사용자에 의해 입력된 분할기준을 기초로 상기 주조품의 3차원 형상 데이터를 분할할 수 있다. In addition, the unit
예를 들어, 사용자는 분할기준으로 상기 단위격자의 전체 개수를 입력하거나 상기 단위격자의 크기를 입력할 수 있으며, 상기 단위격자 분할 모듈(30)은 상기 단위격자의 전체 개수 또는 상기 단위격자의 크기를 기준으로 상기 주조품의 3차원 형상 데이터를 분할할 수 있다. For example, the user may input the total number of unit cells or the size of the unit cells as a division criterion, and the unit
상기 파라미터 도출 모듈(40)은 상기 주조 정보를 기초로 주조공정 시뮬레이션을 실행하여 상기 단위격자의 미세조직 특성값을 해석하기 위한 파라미터를 도출할 수 있다.The
예를 들어, 상기 미세조직 특성값이 SDAS(Secondary Dendrite Arm Space)인 경우, 상기 파라미터는 SDAS 해석을 위해 필요한 입력값으로서, 상기 단위격자의 조성(Chemical Compsition, %), 상기 단위격자의 온도구배(gradient), 상기 단위격자의 냉각속도(℃/t)를 포함할 수 있다.For example, when the microstructure characteristic value is SDAS (Secondary Dendrite Arm Space), the parameter is an input value necessary for SDAS analysis, and the chemical composition (%) of the unit cell, the temperature gradient of the unit cell (gradient), and the cooling rate (°C/t) of the unit cell.
또한, 상기 파라미터 도출 모듈(40)은 매크로 주조해석을 통해 상기 파라미터를 도출할 수 있다. In addition, the
상기 주조방안의 적절성을 판단하는 주조해석은 조성, 온도구배, 냉각속도 등을 해석하는 매크로 주조해석과 SDAS, grain size 등과 같은 미세조직 특성값을 해석하는 마이크로 주조해석으로 나뉘어질 수 있으며, 일반적으로 상기 마이크로 주조해석 시간은 상기 매크로 주조해석 시간과 비교하여 매우 오래 걸린다.The casting analysis that determines the appropriateness of the casting method can be divided into a macro casting analysis that analyzes composition, temperature gradient, cooling rate, etc., and a micro casting analysis that analyzes microstructural characteristic values such as SDAS and grain size. The micro casting analysis time is very long compared to the macro casting analysis time.
따라서, 상기 파라미터 도출 모듈(40)은 매크로 주조해석을 통해 상기 파라미터를 도출함으로써, 비교적 빠른 시간내에 상기 파라미터를 도출할 수 있다.Therefore, the
즉, 상기 파라미터 도출 모듈(40)은 매크로 주조해석 시뮬레이션을 실행하는 것에 의해 상기 단위격자의 미세조직 특성값을 해석하기 위한 파라미터를 도출할 수 있다.That is, the
상기 샘플링 모듈(50)은 상기 단위격자들 중 일부를 샘플링할 수 있다.The
예를 들어, 상기 샘플링 모듈(50)은 모집단인 상기 단위격자들 중 대략 100 ~ 200개의 단위격자를 상기 미세조직 특성값을 해석하기 위한 표본으로 샘플링할 수 있다. For example, the
이때, 상기 샘플링 모듈(50)은 상기 파라미터 도출 모듈(40)에서 도출된 파라미터 중 적어도 어느 하나의 파라미터 값을 기준으로 상기 단위격자들 중 일부를 샘플링할 수 있다. In this case, the
예를 들어, 상기 샘플링 모듈(50)은 SDAS를 해석하기 위한 파라미터인 상기 단위격자의 조성, 온도구배, 냉각속도 중 상기 온도구배와 상기 냉각속도의 값을 기준으로 상기 단위격자들 중 일부를 샘플링할 수 있다. For example, the
그러면, 상기 샘플링 모듈(50)에서 샘플링된 단위격자들은 상기 주조품의 형상에 대한 의존도가 낮아질 수 있으며, 따라서 상기 주조품을 주조하기 위한 원재료의 조성별로 DB화가 가능해질 수 있다. Then, the unit cells sampled by the
상기 샘플링 해석 모듈(60)은 상기 샘플링된 단위격자의 파라미터와 상기 미제조직 특성값을 해석하는 해석기를 이용하여 상기 샘플링된 단위격자의 미세조직 특성값을 해석할 수 있다.The
예를 들어, 상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고, 상기 해석기는 물리/화학적 상변태와 열전달 해석을 통합하는 SDAS 해석기 즉, SDAS 해석 알고리즘을 이용하는 경우, 상기 샘플링 해석 모듈(60)은 상기 SDAS 해석 알고리즘에 상기 샘플링된 단위격자의 파라미터 데이터값 즉, 상기 샘플링된 단위격자의 조성, 온도구배, 냉각속도를 입력하여 실행시킴으로써, 상기 샘플링된 단위격자별로 상기 미세조직 특성값 즉, SDAS를 해석할 수 있다.For example, when the microstructure characteristic value is SDAS (Secondary Dendrite Arm Space) and the analyzer uses an SDAS analyzer that integrates physical/chemical phase transformation and heat transfer analysis, that is, an SDAS analysis algorithm, the
상기 미세조직 특성값 중 하나인 SDAS를 SDAS 해석기를 이용하여 해석하는 경우, 상기 단위격자(1개지점)당 해석시간이 과대하여 주조 현장에서 사용하기 위한 적정 해석시간(2시간~최대 1일)을 준수하지 못하는 문제가 있었다.When SDAS, one of the microstructure characteristic values, is analyzed using the SDAS analyzer, the analysis time per unit cell (one point) is excessive, so the appropriate analysis time (2 hours to maximum 1 day) for use at the casting site There was a problem with not complying with
본 발명의 일실시 예에 따른 시스템(10)은, 상기와 같은 문제점을 해결하기 위하여, 상기 SDAS 해석기를 이용하여 상기 단위격자의 SDAS를 해석하는 경우, 상기 단위격자 분할 모듈(30)에서 분할된 모든 단위격자(대략 수백만 ~ 수천만개)에 대해 SDAS 해석을 실행하는 것이 아니라, 상기 샘플링 모듈(50)에서 샘플링된 단위격자(대략 100 ~ 200개)에 대해서만 SDAS 해석을 실행함으로써, 주조방안의 적절성을 해석하는 주조해석의 미세조직 특성값 즉, SDAS 분석 시간을 단축시킬 수 있다.In order to solve the above problem, the
상기 메타함수 추출 모듈(70)은 상기 샘플링 해석 모듈(60)에서 해석된 상기 미세조직 특성값들을 메타모델링(Meta modeling)하여 상기 단위격자의 미세조직 특성값을 예측하는 메타함수를 추출할 수 있다.The meta
상기 메타함수는 상기 주조품의 미세조직 특성값을 예측하는 수식으로서, 메타함수의 계수와 메트릭스(Matrix)로 표현될 수 있으며, 상기 메타함수 추출 모듈(70)은 상기 샘플링 해석 모듈(60)에서 해석된 상기 미세조직 특성값들을 메타모델링(Meta modeling)하여 상기 메타함수의 계수와 메트릭스를 추출함으로써, 상기 주조품의 미세조직 특성값을 예측하는 수식인 상기 메타함수를 추출할 수 있다.The meta function is a formula for predicting the microstructure characteristic value of the cast product, and can be expressed as a coefficient and a matrix of the meta function, and the meta
상기 미세조직 특성값 예측 모듈(80)은 상기 메타함수 추출 모듈(70)에서 추출된 메타함수와 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측할 수 있다. The microstructure characteristic
예를 들어, 상기 미세조직 특성값 예측 모듈(80)은 상기 메타함수 추출 모듈(70)에서 추출된 메타함수에 상기 단위격자의 파라미터를 입력하여 계산함으로써, 상기 모든 단위격자별로 상기 미세조직 특성값을 예측할 수 있다.For example, the microstructure characteristic
상술한 바와 같이, 주조방안의 적절성을 판단하는 주조해석은 조성, 온도구배, 냉각속도 등을 해석하는 매크로 주조해석과 SDAS, Grain Size 등을 해석하는 마이크로 주조해석으로 나뉘어질 수 있는데, 상기 마이크로 주조해석 시간은 상기 매크로 주조해석 시간과 비교하여 매우 오래 걸린다. As described above, the casting analysis that determines the appropriateness of the casting method can be divided into macro casting analysis that analyzes composition, temperature gradient, cooling rate, etc., and micro casting analysis that analyzes SDAS, grain size, etc. The micro casting analysis The analysis time is very long compared to the macro casting analysis time.
특히, 상기 미세조직 특성값 중 하나인 SDAS를 해석하는 SDAS 해석기는 단위격자(1개지점)당 해석시간이 과대하여 주조 현장에서 사용하기 위한 적정 해석시간(2시간~최대 1일)을 준수하지 못하는 문제가 있다.In particular, the SDAS analyzer that analyzes SDAS, one of the microstructure characteristic values, does not comply with the appropriate analysis time (2 hours to maximum 1 day) for use at the casting site because the analysis time per unit cell (one point) is excessive. there is a problem i can't
그러나, 본 발명의 일실시 예에 따른 주조품 미세조직 특성값 예측 시스템(10)과 같이, 상기 샘플링 모듈(50)에서 샘플링된 단위격자(대략 100 ~ 200개)에 대해서만 SDAS 해석기를 이용하여 SDAS 해석을 실행하고, 상기 샘플링에 대한 SDAS 해석결과에 메타모델링을 적용하여 상기 단위격자의 SDAS를 예측하는 메타함수를 추출하고, 상기 추출된 메타함수를 이용하여 상기 모든 단위격자의 SDAS를 해석하면, 상기 단위격자의 SDAS 해석시간을 현저히 단축시킬 수 있다.However, as in the casting product microstructure characteristic
예를 들면, 100만개의 단위격자에 대해 SDAS 해석기를 이용하여 SDAS를 해석하는 경우 상기 해석시간이 대략 130.2일 정도 걸리던 것을, 상기 메타함수 추출 모듈(70)에서 추출된 메타함수를 이용하여 SDAS를 예측하면 대략 10분 정도로 단축시킬 수 있다.For example, in the case of analyzing the SDAS using the SDAS analyzer for 1 million unit cells, the analysis time took about 130.2 days. If estimated, it can be shortened to about 10 minutes.
또한, 본 발명자는 SDAS 해석기를 이용한 SDAS 해석결과와 상기 메타함수를 이용한 SDAS 예측결과를 비교한 결과, 대략 3~5% 내외의 오차를 유지함을 확인하였다.In addition, as a result of comparing the SDAS analysis result using the SDAS analyzer and the SDAS prediction result using the meta function, the present inventors confirmed that an error of about 3 to 5% was maintained.
한편, 상기 메타함수 추출 모듈(70)이 상기 샘플링 해석 모듈(60)에서 해석된 상기 미세조직 특성값들을 메타모델링하여 상기 단위격자의 미세조직 특성값을 예측하는 메타함수를 추출하는 경우, 메타모델링의 신뢰성이 낮아지고, 상기 추출된 메타함수의 계수와 메트릭스의 크기가 매우 커서 상기 메타함수의 속도를 보장하기 어려울 수 있다. 따라서, 상기 메타함수를 상기 원재료의 조성별로 매칭하여 DB화를 하면, 상기 메타함수의 속도와 신뢰성(정확도)를 함께 유지할 수 있다.Meanwhile, when the
이를 위해, 본 발명의 일실시 예에 따른 주조품 미세조직 특성값 예측 시스템(10)은 상기 메타함수 추출 모듈(70)에서 추출된 메타함수가 상기 원재료의 조성별로 매칭되어 저장되는 데이터베이스(90)를 더 포함할 수 있다.To this end, the casting product microstructure characteristic
일반적으로 상기 주조품을 주조하기 위한 원재료로 사용되는 상용합금의 경우에는 상기 원재료의 조성별로 별도의 상품명을 가지고 있으므로, 상기 데이터베이스(90)에는 상기 메타함수가 상기 원재료의 상품명별로 매칭되어 저장될 수 있다. In general, in the case of a commercial alloy used as a raw material for casting the cast product, since it has a separate product name for each composition of the raw material, the metafunction can be matched and stored for each product name of the raw material in the
도 2는 본 발명의 다른 실시 예에 따른 주조품 미세조직 특성값 예측 시스템을 개략적으로 나타낸 블록도이다. 2 is a block diagram schematically illustrating a system for predicting a microstructure characteristic value of a cast product according to another embodiment of the present invention.
본 실시 예에 따른 주조품 미세조직 특성값 예측 시스템(10)은 원재료의 조성별로 매칭되어 저장된 메타함수를 이용하여 주조품의 미세조직 특성값을 예측할 수 있다.The microstructure characteristic
도 2를 참조하면, 본 실시 예에 따른 주조품 미세조직 특성값 예측 시스템(10)은 주조품의 미세조직 특성값을 예측하는 메타함수가 상기 주조품을 주조하기 위한 원재료의 조성별로 매칭되어 저장되는 데이터베이스(90), 입력 모듈(20), 단위격자 분할 모듈(30), 파라미터 도출 모듈(40), 메타함수 호출 모듈(100) 및 미세조직 특성값 예측 모듈(80)을 포함할 수 있다. Referring to FIG. 2, in the casting product microstructure characteristic
상기 입력 모듈(20), 상기 단위격자 분할 모듈(30) 및 상기 파라미터 도출 모듈(40)은 상기 실시 예에서의 구성과 동일하므로, 이에 대한 상세한 설명은 상기 실시 예에서의 설명을 원용한다.Since the
상기 메타함수 호출 모듈(100)은 상기 데이터베이스(90)에 저장된 메타함수 중 상기 입력 모듈(20)에서 입력된 원재료 조성에 해당하는 메타함수를 불러올 수 있다.The meta
상기 미세조직 특성값 예측 모듈(80)은 상기 메타함수 호출 모듈(100)에서 호출된 메타함수와 상기 파라미터 도출 모듈(40)에서 도출된 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측할 수 있다. The microstructure characteristic
예를 들어, 상기 미세조직 특성값 예측 모듈(80)은 상기 호출된 메타함수에 상기 단위격자의 파라미터를 입력하여 계산함으로써, 상기 모든 단위격자별로 상기 미세조직 특성값을 예측할 수 있다.For example, the microstructure characteristic
상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고, 상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함할 수 있다. The microstructure characteristic value is SDAS (Secondary Dendrite Arm Space), and the parameter may include a composition of the unit cell, a temperature gradient, and a cooling rate.
또한, 상기 파라미터 도출 모듈(40)은 매크로한 주조해석 시뮬레이션을 실행하는 것에 의해 상기 미세조직 특성값을 해석하기 위한 파라미터를 도출할 수 있다. In addition, the
본 실시 예에 따른 주조품 미세조직 특성값 예측 시스템(10)과 같이, 상기 메타함수를 상기 원재료의 조성별로 매칭하여 데이터베이스(90)에 저장하고, 상기 데이터베이스(90)에 저장된 메타함수를 이용하여 상기 주조품의 미세조직 특성값을 예측하면, 상기 메타함수의 속도와 신뢰성(정확도)를 함께 유지할 수 있다.Like the casting product microstructure characteristic
또한, 본 실시 예에 따른 주조품 미세조직 특성값 예측 시스템(10)에 의하면, 상기 실시예와 비교하여, 상기 샘플링된 단위격자에 대해서도 SDAS 해석기와 같은 미세조직 특성값 해석기를 이용하여 상기 미세조직 특성값을 해석할 필요가 없어서, 주조해석의 미세조직 특성값 해석시간을 더욱 단축시킬 수 있다. In addition, according to the casting product microstructure characteristic
도 3은 본 발명의 일실시 예에 따른 주조품의 미세조직 특성값 예측 방법을 설명하기 위한 흐름도이다.3 is a flowchart for explaining a method for predicting microstructure characteristic values of a cast product according to an embodiment of the present invention.
도 3을 참조하면, 본 발명의 일실시 예에 주조품의 미세조직 특성값 예측 방법은 입력 단계(S20), 단위격자 분할 단계(S30), 파라미터 도출 단계(S40), 샘플링 단계(S50), 샘플링 해석 단계(S60), 메타함수 추출 단계(S70), 미세조직 특성값 예측 단계(S80), 저장 단계(S90)를 포함할 수 있다. Referring to FIG. 3, in one embodiment of the present invention, the method for predicting microstructure characteristic values of a cast product includes an input step (S20), a unit cell division step (S30), a parameter derivation step (S40), a sampling step (S50), and sampling. It may include an analysis step (S60), a meta function extraction step (S70), a microstructure characteristic value prediction step (S80), and a storage step (S90).
상기 입력 단계(S10)는 주조품의 3차원 형상 데이터와 상기 주조품을 주조하기 위한 주조 정보를 입력받는 단계이다. The input step (S10) is a step of receiving three-dimensional shape data of the cast product and casting information for casting the cast product.
상기 주조품의 3차원 형상 데이터는 3차원 CAD 데이터일 수 있으며, 상기 주조 정보는 상기 주조품을 주조하기 위한 정보를 포함할 수 있다.The 3D shape data of the cast product may be 3D CAD data, and the casting information may include information for casting the cast product.
예를 들어, 상기 주조 정보는 상기 주조품을 주조하기 위한 원재료의 조성 정보, 상기 원재료의 재질정보, 상기 주조품을 주조하기 위한 용탕의 조성 정보, 용탕 온도, 주형 온도, 용탕과 주형 사이의 열전달계수, 용탕과 공기 사이의 열전달계수, 주변환경온도, 용탕주입속도 등의 정보, 상기 주조품을 주조하기 위한 주조방안 정보를 포함할 수 있다. 그리고, 상기 주조방안 정보는 인게이트, 런너, 비스킷 넥, 비스킷 각각의 개수, 위치, 형상, 폭, 두께 등에 관한 정보를 포함할 수 있다.For example, the casting information includes composition information of a raw material for casting the cast product, material information of the raw material, composition information of a molten metal for casting the cast product, molten metal temperature, mold temperature, heat transfer coefficient between the molten metal and the mold, It may include information such as a heat transfer coefficient between molten metal and air, ambient temperature, molten metal injection speed, and casting method information for casting the cast product. And, the casting method information may include information about the number, location, shape, width, thickness, etc. of each of the ingates, runners, biscuit necks, and biscuits.
상기 단위격자 분할 단계(S30)는 상기 입력 단계(S20)에서 입력받은 상기 주조품의 3차원 형상 데이터를 단위격자로 분할하는 단계이다.The unit cell division step (S30) is a step of dividing the three-dimensional shape data of the cast product input in the input step (S20) into unit cells.
상기 파라미터 도출 단계(S40)는 상기 입력 단계(S20)에서 입력받은 상기 주조 정보를 기초로 주조공정 시뮬레이션을 실행하여 상기 단위격자의 미세조직 특성값을 예측하기 위한 파라미터를 도출하는 단계이다. The parameter derivation step (S40) is a step of deriving a parameter for predicting the microstructure characteristic value of the unit cell by executing a casting process simulation based on the casting information received in the input step (S20).
상기 파라미터 도출 단계(S40)는 매크로한 주조해석 시뮬레이션을 실행하는 것에 의해 상기 미세조직 특성값을 해석하기 위한 파라미터를 도출할 수 있다. In the parameter derivation step (S40), parameters for analyzing the microstructure characteristic values may be derived by executing a macro casting analysis simulation.
상기 샘플링 단계(S50)는 상기 단위격자 분할 단계(S30)에서 분할된 상기 단위격자들 중 일부를 샘플링하는 단계이다. The sampling step (S50) is a step of sampling some of the unit cells divided in the unit cell dividing step (S30).
이때, 상기 샘플링 단계(S50)는 상기 파라미터 도출 단계(S40)에서 도출된 파라미터 중 적어도 어느 하나의 파라미터 값을 기준으로 상기 단위격자들 중 일부를 샘플링할 수 있다. In this case, in the sampling step (S50), some of the unit cells may be sampled based on at least one parameter value among the parameters derived in the parameter derivation step (S40).
예를 들어, 상기 샘플링 단계(S50)는 SDAS를 해석하기 위한 파라미터인 상기 단위격자의 조성, 온도구배, 냉각속도 중 상기 온도구배와 상기 냉각속도의 값을 기준으로 상기 단위격자들 중 일부를 샘플링할 수 있다. For example, in the sampling step (S50), some of the unit cells are sampled based on the values of the temperature gradient and the cooling rate among the composition, temperature gradient, and cooling rate of the unit cell, which are parameters for analyzing SDAS. can do.
상기 샘플링 해석 단계(S60)는 상기 샘플링 단계(S50)에서 샘플링된 단위격자의 파라미터와 상기 미세조직 특성값을 해석하는 해석기를 이용하여 상기 샘플링된 단위격자의 미세조직 특성값을 해석하는 단계이다. The sampling analysis step (S60) is a step of analyzing the microstructure characteristic values of the sampled unit cell using an analyzer that analyzes the parameters of the unit cell sampled in the sampling step (S50) and the microstructure characteristic values.
이때, 상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고, 상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함하고, 상기 해석기는 SDAS 해석기를 이용할 수 있다. In this case, the microstructure characteristic value is SDAS (Secondary Dendrite Arm Space), the parameters include a composition of the unit cell, a temperature gradient, and a cooling rate, and the analyzer may use an SDAS analyzer.
상기 메타함수 추출 단계(S70)는 상기 샘플링 해석 단계(S60)에서 해석된 미세조직 특성값들을 메타모델링하여 상기 단위격자의 미세조직 특성값을 예측하는 메타함수를 추출하는 단계이다. The metafunction extraction step (S70) is a step of extracting a metafunction for predicting the microstructure characteristic values of the unit cell by metamodeling the microstructure characteristic values analyzed in the sampling analysis step (S60).
상기 메타함수 추출 단계(S70)는 상기 샘플링 해석 단계(S60)에서 해석된 미세조직 특성값들을 메타모델링하여 상기 메타함수의 계수와 매트릭스를 추출할 수 있다. In the meta-function extraction step (S70), the coefficients and matrices of the meta-function may be extracted by meta-modeling the microstructure characteristic values analyzed in the sampling analysis step (S60).
상기 미세조직 특성값 예측 단계(S80)는 상기 메타함수 추출 단계(S70)에서 추출된 메타함수와 상기 파라미터 도출 단계(S40)에서 도출된 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측하는 단계이다. The microstructure characteristic value prediction step (S80) uses the metafunction extracted in the metafunction extraction step (S70) and the parameter of the unit cell derived in the parameter derivation step (S40) to determine the microstructure of all unit cells. This step is to predict the feature value.
상기 저장 단계(S90)는 상기 메타함수 추출 단계(S70)에서 추출된 메타함수를 상기 입력 단계(S20)에서 입력된 원재료의 조성과 매칭하여 상기 데이터베이스(90)에 저장하는 단계이다.The storage step (S90) is a step of matching the metafunction extracted in the metafunction extraction step (S70) with the composition of the raw material input in the input step (S20) and storing it in the
상기와 같은 방법으로 다양한 원재료의 조성별로 상기 메타함수를 추출하여 상기 데이터베이스(90)에 저장하여 DB화를 하면, 상기 메타함수의 속도와 신뢰성를 함께 유지할 수 있다.If the meta function is extracted for each composition of various raw materials in the above manner and stored in the
도 4는 본 발명의 다른 실시 예에 따른 주조품의 미세조직 특성값 예측 방법을 설명하기 위한 흐름도이다. 4 is a flowchart for explaining a method for predicting microstructure characteristic values of a cast product according to another embodiment of the present invention.
본 실시 예에 따른 주조품 미세조직 특성값 예측 방법은 주조품의 미세조직 특성값을 예측하기 위한 메타함수가 상기 주조품을 주조하기 위한 원재료의 조성별로 매칭되어 저장된 데이터베이스(90)를 이용하여 상기 주조품의 미세조직 특성값을 예측할 수 있다.In the method for predicting microstructure characteristic values of a cast product according to the present embodiment, a meta function for predicting a microstructure characteristic value of a cast product is matched for each composition of a raw material for casting the cast product using a
도 4를 참조하면, 본 실시 예에 따른 주조품 미세조직 특성값 예측 방법은 입력 단계(S20), 단위격자 분할 단계(S30), 파라미터 도출 단계(S40), 메타함수 호출 단계(S100) 및 미세조직 특성값 예측 단계(S110)를 포함할 수 있다. Referring to FIG. 4, the method for predicting the microstructure characteristic values of a cast product according to the present embodiment includes an input step (S20), a unit cell division step (S30), a parameter derivation step (S40), a metafunction calling step (S100), and a microstructure A characteristic value prediction step (S110) may be included.
상기 입력 단계(S20), 상기 단위격자 분할 단계(S30) 및 상기 파라미터 도출 단계(S40)은 상기 실시 예에서의 구성과 동일하므로, 이에 대한 상세한 설명은 상기 실시 예에서의 설명을 원용한다.Since the input step (S20), the unit cell division step (S30), and the parameter derivation step (S40) are the same as those in the above embodiment, the detailed description thereof uses the description in the above embodiment.
상기 메타함수 호출 단계(S100)은 상기 데이터베이스(90)에 저장된 메타함수 중 상기 입력 단계(S20)에서 입력된 원재료 조성에 해당하는 메타함수를 불러오는 단계이다. The meta function calling step (S100) is a step of calling a meta function corresponding to the raw material composition input in the input step (S20) among the meta functions stored in the
상기 미세조직 특성값 예측 단계(S110)은 상기 메타함수 호출 단계(S100)에서 호출된 메타함수와 상기 파라미터 도출 단계(S40)에서 도출된 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측하는 단계이다. The microstructure characteristic value prediction step (S110) uses the metafunction called in the metafunction calling step (S100) and the parameters of the unit cell derived in the parameter derivation step (S40) to determine the microstructure of all unit cells. This step is to predict the feature value.
예를 들어, 상기 미세조직 특성값 예측 단계(S110)은 상기 호출된 메타함수에 상기 단위격자의 파라미터를 입력하여 계산함으로써, 상기 모든 단위격자별로 상기 미세조직 특성값을 예측할 수 있다.For example, in the microstructure characteristic value prediction step (S110), the microstructure characteristic values may be predicted for each unit cell by inputting parameters of the unit cell into the called metafunction and calculating the microstructure characteristic value.
상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고, 상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함할 수 있다. The microstructure characteristic value is SDAS (Secondary Dendrite Arm Space), and the parameter may include a composition of the unit cell, a temperature gradient, and a cooling rate.
또한, 상기 파라미터 도출 단계(S40)은 매크로한 주조해석 시뮬레이션을 실행하는 것에 의해 상기 미세조직 특성값을 해석하기 위한 파라미터를 도출할 수 있다. In addition, in the parameter derivation step (S40), parameters for analyzing the microstructure characteristic values may be derived by executing a macro casting analysis simulation.
본 실시 예에 따른 주조품 미세조직 특성값 예측 방법과 같이, 상기 메타함수를 상기 원재료의 조성별로 매칭하여 데이터베이스(90)에 저장하고, 상기 데이터베이스(90)에 저장된 메타함수를 이용하여 상기 주조품의 미세조직 특성값을 예측하면, 상기 메타함수의 속도와 신뢰성(정확도)를 함께 유지할 수 있다.Like the method for predicting microstructure characteristic values of a cast product according to the present embodiment, the meta function is matched for each composition of the raw material and stored in the
또한, 본 실시 예에 따른 주조품 미세조직 특성값 예측 방법에 의하면, 상기 실시예와 비교하여, 상기 샘플링된 단위격자에 대해서도 SDAS 해석기와 같은 미세조직 특성값 해석기를 이용하여 상기 미세조직 특성값을 해석할 필요가 없어서, 주조해석의 미세조직 특성값 해석시간을 더욱 단축시킬 수 있다. In addition, according to the method for predicting microstructure characteristic values of a cast product according to this embodiment, compared to the above embodiment, the microstructure characteristic values are analyzed for the sampled unit cell using a microstructure characteristic value analyzer such as an SDAS analyzer. Since there is no need to do this, the time for analyzing the microstructure characteristic values of the casting analysis can be further shortened.
상술한 바와 같은 본 발명의 일 실시 예에 따른 시스템 및 방법은 프로그래밍되어 각종 저장 매체에 저장될 수 있다. 이에 따라, 저장 매체를 실행하는 다양한 유형의 프로세서에서 상술한 다양한 실시 예에 따른 방법들이 구현될 수 있다.As described above, the system and method according to an embodiment of the present invention may be programmed and stored in various storage media. Accordingly, methods according to various embodiments described above may be implemented in various types of processors that execute storage media.
또한, 상술한 바와 같은 방법은 프로세서에서 실행될 수 있는 실행 가능한 알고리즘을 포함하는 프로그램으로 구현될 수 있고, 상기 프로그램은 비일시적 판독 가능 매체(non-transitory computer readable medium)에 저장되어 제공될 수 있다.In addition, the method as described above may be implemented as a program including an executable algorithm that may be executed in a processor, and the program may be stored and provided in a non-transitory computer readable medium.
비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(readable)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등과 같은 비 일시적 판독 가능 매체에 저장되어 제공될 수 있다.A non-transitory readable medium refers to a medium that stores data semi-permanently and is readable by a device, not a medium that stores data for a short moment, such as a register, cache, or memory. Specifically, the various applications or programs described above may be stored and provided in a non-transitory readable medium such as a CD, DVD, hard disk, Blu-ray disk, USB, memory card, or ROM.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며, 한정적이 아닌 것으로 이해되어야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지고 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The above description of the present invention is for illustrative purposes, and those skilled in the art can understand that it can be easily modified into other specific forms without changing the technical spirit or essential features of the present invention. will be. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as distributed may also be implemented in a combined form.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is indicated by the following claims rather than the detailed description above, and all changes or modifications derived from the meaning and scope of the claims and equivalent concepts should be construed as being included in the scope of the present invention. do.
10 : 주조품 미세조직 특성값 시스템
20 : 입력 모듈
30 : 단위격자 분할 모듈
40 : 파라미터 도출 모듈
50 : 샘플링 모듈
60 : 샘플링 해석 모듈
70 : 메타함수 추출 모듈
80 : 미세조직 특성값 예측 모듈
90 : 데이터베이스10: Casting product microstructure characteristic value system
20: input module 30: unit cell division module
40: parameter derivation module 50: sampling module
60: sampling analysis module 70: meta function extraction module
80: microstructure characteristic value prediction module
90: database
Claims (20)
상기 주조품의 3차원 형상 데이터를 단위격자로 분할하는 단위격자 분할 모듈;
상기 주조 정보를 기초로 주조공정 시뮬레이션을 실행하여 상기 단위격자의 미세조직 특성값을 해석하기 위한 파라미터를 도출하는 파라미터 도출 모듈;
상기 단위격자들 중 일부를 샘플링하는 샘플링 모듈;
상기 샘플링된 단위격자의 파라미터와 상기 미세조직 특성값을 해석하는 해석기를 이용하여 상기 샘플링된 단위격자의 미세조직 특성값을 해석하는 샘플링 해석 모듈;
상기 샘플링 해석 모듈에서 해석된 상기 미세조직 특성값들을 메타 모델링하여 상기 단위격자의 미세조직 특성값을 예측하는 메타함수를 추출하는 메타함수 추출 모듈; 및
상기 추출된 메타함수와 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측하는 미세조직 특성값 예측 모듈;을 포함하는 주조품의 미세조직 특성값 예측 시스템.An input module for receiving three-dimensional shape data of a cast product and casting information for casting the cast product;
a unit cell division module for dividing the three-dimensional shape data of the cast product into unit cells;
a parameter derivation module for deriving parameters for analyzing the microstructure characteristic values of the unit cell by executing a casting process simulation based on the casting information;
a sampling module for sampling some of the unit cells;
a sampling analysis module that analyzes the sampled unit cell parameters and microstructure property values using an analyzer that analyzes the microstructure property values;
a meta function extraction module for extracting a meta function predicting the microstructure characteristic values of the unit cell by meta-modeling the microstructure characteristic values analyzed by the sampling analysis module; and
A microstructure characteristic value prediction system for a cast product comprising: a microstructure characteristic value prediction module for predicting the microstructure characteristic values of all the unit cells using the extracted metafunction and the parameters of the unit cell.
상기 주조 정보는 상기 주조품을 주조하기 위한 원재료의 조성 정보를 포함하고,
상기 예측 시스템은 상기 메타함수 추출 모듈에서 추출된 메타함수가 상기 원재료의 조성별로 매칭되어 저장되는 데이터베이스를 더 포함하는 것을 특징으로 하는 주조품의 미세조직 특성값 예측 시스템.According to claim 1,
The casting information includes composition information of a raw material for casting the casting product,
The prediction system of the microstructure characteristic value prediction system of the cast product, characterized in that the prediction system further comprises a database in which the meta function extracted by the meta function extraction module is matched and stored for each composition of the raw material.
상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고,
상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함하고,
상기 해석기는 SDAS 해석기를 이용하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 시스템. According to claim 1,
The microstructure characteristic value is SDAS (Secondary Dendrite Arm Space),
The parameters include the composition of the unit cell, the temperature gradient, and the cooling rate,
The analyzer is a casting product microstructure characteristic value prediction system, characterized in that using the SDAS analyzer.
상기 파라미터 도출 모듈은 매크로한 주조해석 시뮬레이션을 실행하는 것에 의해 상기 미세조직 특성값을 해석하기 위한 파라미터를 도출하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 시스템. According to claim 1,
Wherein the parameter derivation module derives parameters for analyzing the microstructure characteristic values by executing a macro casting analysis simulation.
상기 샘플링 모듈은 상기 파라미터 도출 모듈에서 도출된 파라미터 중 적어도 어느 하나의 파라미터 값을 기준으로 상기 단위격자들 중 일부를 샘플링하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 시스템.According to claim 1,
The casting product microstructure characteristic value prediction system, characterized in that the sampling module samples some of the unit cells based on at least one parameter value among the parameters derived from the parameter derivation module.
상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고,
상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함하고,
상기 샘플링 모듈은 상기 온도구배와 상기 냉각속도의 값을 기준으로 상기 단위격자들 중 일부를 샘플링하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 시스템.According to claim 5,
The microstructure characteristic value is SDAS (Secondary Dendrite Arm Space),
The parameters include the composition of the unit cell, the temperature gradient, and the cooling rate,
Wherein the sampling module samples some of the unit cells based on the values of the temperature gradient and the cooling rate.
상기 메타함수 추출 모듈은 상기 샘플링 해석 모듈에서 해석된 미세조직 특성값들을 메타모델링하여 상기 메타함수의 계수와 매트릭스를 추출하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 시스템.According to claim 1,
The meta function extraction module extracts coefficients and matrices of the meta function by meta-modeling the microstructure characteristic values analyzed by the sampling analysis module.
주조품의 3차원 형상 데이터와 상기 원재료 조성 정보를 포함하는 주조 정보를 입력받는 입력 모듈;
상기 주조품의 3차원 형상 데이터를 단위 격자로 분할하는 단위격자 분할 모듈;
상기 주조 정보를 기초로 주조공정 시뮬레이션을 실행하여 상기 단위격자의 미세조직 특성값을 해석하기 위한 파라미터를 도출하는 파라미터 도출 모듈;
상기 데이터베이스에 저장된 메타함수 중 상기 입력 모듈에서 입력된 원재료 조성에 해당하는 메타함수를 불러오는 메타함수 호출 모듈; 및
상기 호출된 메타함수와 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측하는 미세조직 특성값 예측 모듈;을 포함하는 주조품의 미세조직 특성값 예측 시스템.a database in which metafunctions for predicting microstructural characteristic values of a cast product are matched and stored for each composition of a raw material for casting the cast product;
An input module for receiving casting information including three-dimensional shape data of a casting product and raw material composition information;
a unit cell dividing module for dividing the three-dimensional shape data of the cast product into unit cells;
a parameter derivation module for deriving parameters for analyzing the microstructure characteristic values of the unit cell by executing a casting process simulation based on the casting information;
a metafunction calling module for calling a metafunction corresponding to the raw material composition input from the input module among metafunctions stored in the database; and
A microstructure characteristic value prediction system for a cast product comprising: a microstructure characteristic value prediction module for predicting the microstructure characteristic values of all the unit cells using the called metafunction and the parameters of the unit cell.
상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고,
상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 시스템. According to claim 8,
The microstructure characteristic value is SDAS (Secondary Dendrite Arm Space),
Wherein the parameters include a composition of the unit cell, a temperature gradient, and a cooling rate.
상기 파라미터 도출 모듈은 매크로한 주조해석 시뮬레이션을 실행하는 것에 의해 상기 미세조직 특성값을 해석하기 위한 파라미터를 도출하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 시스템.According to claim 8,
Wherein the parameter derivation module derives parameters for analyzing the microstructure characteristic values by executing a macro casting analysis simulation.
상기 주조품의 3차원 형상 데이터를 단위격자로 분할하는 단위격자 분할 단계;
상기 주조 정보를 기초로 주조공정 시뮬레이션을 실행하여 상기 단위격자의 미세조직 특성값을 예측하기 위한 파라미터를 도출하는 파라미터 도출 단계;
상기 단위격자 중 일부를 샘플링하는 샘플링 단계;
상기 샘플링된 단위격자의 파라미터와 상기 미세조직 특성값을 해석하는 해석기를 이용하여 상기 샘플링된 단위격자의 미세조직 특성값을 해석하는 샘플링 해석 단계;
상기 해석된 미세조직 특성값들을 메타모델링하여 상기 단위격자의 미세조직 특성값을 예측하는 메타함수를 추출하는 메타함수 추출 단계; 및
상기 추출된 메타함수와 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측하는 미세조직 특성값 예측 단계;를 포함하는 주조품의 미세조직 특성값 예측 방법.An input step of receiving three-dimensional shape data of a cast product and casting information for casting the cast product;
a unit cell division step of dividing the three-dimensional shape data of the cast product into unit cells;
a parameter derivation step of deriving a parameter for predicting a microstructure characteristic value of the unit cell by executing a casting process simulation based on the casting information;
a sampling step of sampling a part of the unit cell;
a sampling analysis step of analyzing a parameter of the sampled unit cell and a microstructure characteristic value of the sampled unit cell using an analyzer that analyzes the microstructure characteristic value;
a metafunction extraction step of extracting a metafunction for predicting microstructural property values of the unit cell by metamodeling the analyzed microstructure property values; and
A microstructure characteristic value prediction step of predicting microstructure characteristic values of all the unit cells using the extracted metafunction and the parameters of the unit cell;
상기 주조 정보는 상기 주조품을 주조하기 위한 원재료의 조성 정보를 포함하고,
상기 예측 방법은 상기 메타함수 추출 단계에서 추출된 메타함수를 상기 원재료의 조성별로 매칭하여 저장하는 저장 단계를 더 포함하는 것을 특징으로 하는 주조품의 미세조직 특성값 예측 방법.According to claim 11,
The casting information includes composition information of a raw material for casting the casting product,
The prediction method further comprises a storage step of matching and storing the metafunction extracted in the metafunction extraction step for each composition of the raw material.
상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고,
상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함하고,
상기 해석기는 SDAS 해석기를 이용하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 방법. According to claim 11,
The microstructure characteristic value is SDAS (Secondary Dendrite Arm Space),
The parameters include the composition of the unit cell, the temperature gradient, and the cooling rate,
The analyzer is a casting product microstructure characteristic value prediction method, characterized in that using the SDAS analyzer.
상기 파라미터 도출 단계는 매크로한 주조해석 시뮬레이션을 실행하는 것에 의해 상기 미세조직 특성값을 해석하기 위한 파라미터를 도출하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 방법. According to claim 11,
Wherein the parameter derivation step derives parameters for analyzing the microstructure characteristic values by executing a macro casting analysis simulation.
상기 샘플링 단계는 상기 파라미터 도출 단계에서 도출된 파라미터 중 적어도 어느 하나의 파라미터 값을 기준으로 상기 단위격자들 중 일부를 샘플링하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 방법.According to claim 11,
The method of predicting microstructure characteristic values of cast products, characterized in that the sampling step samples some of the unit cells based on at least one parameter value among the parameters derived in the parameter derivation step.
상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고,
상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함하고,
상기 샘플링 단계는 상기 온도구배와 상기 냉각속도의 값을 기준으로 상기 단위격자들 중 일부를 샘플링하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 방법.According to claim 15,
The microstructure characteristic value is SDAS (Secondary Dendrite Arm Space),
The parameters include the composition of the unit cell, the temperature gradient, and the cooling rate,
Wherein the sampling step comprises sampling some of the unit cells based on the values of the temperature gradient and the cooling rate.
상기 메타함수 추출 단계는 상기 샘플링 해석 단계에서 해석된 미세조직 특성값들을 메타모델링하여 상기 메타함수의 계수와 매트릭스를 추출하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 방법.According to claim 11,
Wherein the meta function extraction step extracts coefficients and matrices of the meta function by meta-modeling the microstructure feature values analyzed in the sampling analysis step.
상기 주조품의 3차원 형상 데이터와 상기 원재료 조성 정보를 포함하는 주조 정보를 입력받는 입력 단계;
상기 주조품의 3차원 형상 데이터를 단위 격자로 분할하는 단위격자 분할 단계;
상기 주조 정보를 기초로 주조공정 시뮬레이션을 실행하여 상기 단위격자의 미세조직 특성값을 해석하기 위한 파라미터를 도출하는 파라미터 도출 단계;
상기 데이터베이스에 저장된 메타함수 중 상기 입력 단계에서 입력된 원재료 조성 정보에 해당하는 메타함수를 불러오는 메타함수 호출 단계; 및
상기 호출된 메타함수와 상기 단위격자의 파라미터를 이용하여 상기 모든 단위격자의 미세조직 특성값을 예측하는 미세조직 특성값 예측 단계;를 포함하는 주조품의 미세조직 특성값 예측 방법.In the method for predicting the microstructure characteristic value of a casting product using a database in which a meta function for predicting the microstructure characteristic value of a casting product is matched and stored for each composition of a raw material for casting the casting product,
an input step of receiving casting information including the three-dimensional shape data of the cast product and the raw material composition information;
a unit cell division step of dividing the three-dimensional shape data of the cast product into unit cells;
a parameter derivation step of deriving parameters for analyzing the microstructure characteristic values of the unit cell by executing a casting process simulation based on the casting information;
a meta function calling step of calling a meta function corresponding to the raw material composition information input in the input step among the meta functions stored in the database; and
A microstructure characteristic value prediction step of predicting microstructure characteristic values of all the unit cells using the called metafunction and the parameters of the unit cell;
상기 미세조직 특성값은 SDAS(Secondary Dendrite Arm Space)이고,
상기 파라미터는 상기 단위격자의 조성, 온도구배, 냉각속도를 포함하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 방법. According to claim 18,
The microstructure characteristic value is SDAS (Secondary Dendrite Arm Space),
Wherein the parameters include a composition of the unit cell, a temperature gradient, and a cooling rate.
상기 파라미터 도출 단계는 매크로한 주조해석 시뮬레이션을 실행하는 것에 의해 상기 미세조직 특성값을 해석하기 위한 파라미터를 도출하는 것을 특징으로 하는 주조품 미세조직 특성값 예측 방법.According to claim 18,
Wherein the parameter derivation step derives parameters for analyzing the microstructure characteristic values by executing a macro casting analysis simulation.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210169531A KR20230081466A (en) | 2021-11-30 | 2021-11-30 | System and Method of predicting microstructure characteristics of casting parts |
PCT/KR2022/012988 WO2023101150A1 (en) | 2021-11-30 | 2022-08-30 | System and method for predicting casting product microstructure characteristic value |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210169531A KR20230081466A (en) | 2021-11-30 | 2021-11-30 | System and Method of predicting microstructure characteristics of casting parts |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20230081466A true KR20230081466A (en) | 2023-06-07 |
Family
ID=86612574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210169531A KR20230081466A (en) | 2021-11-30 | 2021-11-30 | System and Method of predicting microstructure characteristics of casting parts |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR20230081466A (en) |
WO (1) | WO2023101150A1 (en) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090072465A (en) | 2007-12-28 | 2009-07-02 | 한국생산기술연구원 | Gating system analyzing automatic apparatus and its method |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100980781B1 (en) * | 2007-12-28 | 2010-09-10 | 한국생산기술연구원 | Gating system analyzing automatic apparatus and its method |
US8579620B2 (en) * | 2011-03-02 | 2013-11-12 | Andy Wu | Single-action three-dimensional model printing methods |
KR101666937B1 (en) * | 2016-05-13 | 2016-10-17 | 한국건설기술연구원 | Apparatus for processing large data of 3 dimentional point cloud and method thereof |
KR20200080391A (en) * | 2018-12-18 | 2020-07-07 | 주식회사 포스코 | System and method for predicting material properties using metal microstructure images based on deep running |
KR102124750B1 (en) * | 2019-04-24 | 2020-06-19 | 주식회사 애니캐스팅 소프트웨어 | Gating system modeling method and system thereof |
-
2021
- 2021-11-30 KR KR1020210169531A patent/KR20230081466A/en not_active Application Discontinuation
-
2022
- 2022-08-30 WO PCT/KR2022/012988 patent/WO2023101150A1/en unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090072465A (en) | 2007-12-28 | 2009-07-02 | 한국생산기술연구원 | Gating system analyzing automatic apparatus and its method |
Also Published As
Publication number | Publication date |
---|---|
WO2023101150A1 (en) | 2023-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Reilly et al. | Process modeling of low-pressure die casting of aluminum alloy automotive wheels | |
KR20230081466A (en) | System and Method of predicting microstructure characteristics of casting parts | |
Sharifi et al. | Quantitative experimental study of defects induced by process parameters in the high-pressure die cast process | |
Pacana et al. | Analysis of the causes of control panel inconsistencies in the gravitational casting process by means of quality management instruments | |
Boydak et al. | A numerical and an experimental investigation of a high-pressure die-casting aluminum alloy | |
Abdullin | New Capabilities of the ProCAST 2017 Software in Simulating Casting Processes | |
JP3449218B2 (en) | Solidification analysis method for castings | |
CN105403586A (en) | Mold for quantitatively analyzing heat cracking and cold cracking trends of non-ferrous alloys and analysis method | |
JP2001205683A (en) | Apparatus and method for simulating injection molding process, and storage medium | |
CN113204839A (en) | Evaluation method for reliability of extrusion casting process parameter data | |
Fuchs et al. | Mesh resolution consideration for the viability prediction of lost salt cores in the high pressure die casting process | |
JP2014138950A (en) | Casting simulation device and casting simulation method | |
Piwowarski et al. | Optimization of casting technology of the pressure die cast AZ91D Mg-based alloy | |
Kuo | Effects of solidification time on porosity content in A201 aluminum alloy castings | |
Suresha et al. | Numerical simulation aided design of heat sink using Z-cast | |
JP4063133B2 (en) | Solidification analysis method and solidification analysis program | |
JPH10278089A (en) | Method and device for simulation of injection molding process | |
US20230093303A1 (en) | Method for adapting a component description of a workpiece to be produced with amorphous properties | |
JP4023414B2 (en) | Mold design method | |
JPH0415761A (en) | Analysis of temperature of thermal cycle structure and design device for metallic mold device system | |
Manjabacas et al. | A comparison between traditional criteria and FEM analysis results for gravity casting feeding and risering systems | |
JP2651296B2 (en) | Phase transformation analyzer | |
Kuo | Study of solidification time and solidus velocity on porosity formation in high strength aluminum alloy castings | |
JP2651297B2 (en) | Casting solidification analyzer | |
Patil et al. | Analysis and simulation of die filling in gravity die casting using MAGMA software |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal |